Kursplan

Introduktion till LLM-agentsystem

  • Koncept för LLM-agenter och flera agentarkitekturer
  • Översikt över AutoGen-ramverk och ekosystem
  • Agentroller: användarproxy, assistent, funktionsanropare och mer

Installation och konfiguration av AutoGen

  • Att sätta upp Python-miljön och beroenden
  • Grunderna i AutoGen-konfigurationsfiler
  • Anslutning till LLM-leverantörer (OpenAI, Azure, lokala modeller)

Agentdesign och rolltilldelning

  • Förståelse för agenttyper och samtalsscheman
  • Definiera agenternas mål, anvisningar och instruktioner
  • Rollbaserad uppgiftsdelegation och kontrollflöde

Funktionsanrop och verktygsintegration

  • Registrera funktioner för agentanvändning
  • Autonoma och samarbetsorienterade funktionskörningar
  • Anslutning till externa APIs och Python-skript med agenter

Samtalshantering och minne

  • Sessionspåföljd och persistent minne
  • Meldingar mellan agenter och tokenhantering
  • Hantera samtalskontext och historik

End-to-end agentarbetsflöden

  • Bygga flerstegsamarbetsuppgifter (t.ex., dokumentanalys, kodgranskning)
  • Simulera användar-agentdialoger och beslutskedjor
  • Felsökning och förfining av agentprestanda

Användningsfall och distribution

  • Inre automatiseringagenter: forskning, rapportering, skriptskrivning
  • Externorienterade botten: chattassistent, röstintegrationer
  • Packa och distribuera agent-system i produktionsmiljö

Sammanfattning och nästa steg

Krav

  • Ett förståelse för Python-programmering
  • Kännedom om stora språkmodeller och prompt-engineering
  • Erfarenhet av APIs och automatiseringsarbetsflöden

Målgrupp

  • AI-ingenjörer
  • ML-utvecklare
  • Automatiseringsarkitekter
 21 timmar

Antal deltagare


Pris per deltagare

Vittnesmål (1)

Kommande Kurser

Relaterade Kategorier